基于深度学习的电网故障诊断.pdfVIP

摘要 摘 要 现代社会生产力的发展对电网供电可靠性的要求越来越高，电网系统发生故障时如 何准确地判断电网故障设备是电网系统故障诊断面临的重大挑战。然而传统电网故障诊 断方法仍然存在以下缺陷：（1）没有充分利用电网结构信息，导致诊断方法可移植性较 差；（2 ）输入特征依赖人工经验、抽象程度低，导致诊断方法的鲁棒性较差；（3 ）模型 逻辑复杂，多分类的诊断模型等问题，导致难以解决电网多故障诊断问题。针对以上问 题，本文研究基于深度学习的电网故障诊断技术，主要工作如下： 针对传统电网故障诊断方法中存在可移植性和鲁棒性较差的问题，本文设计了一种 自适应的电网高级特征提取方法。采用新颖的电网结构知识表示方式，将电网结构转化 为特殊的图结构。在此基础上，高效地利用电网结构和故障告警信息，采用迭代更新的 方式，设计了适用于电网结构的深度迭代网络 (Deep Iterative Network) ，用于提取结构 相关的抽象特征，增强了故障诊断方法的可移植性和鲁棒性。 针对传统电网故障诊断方法难以有效解决电网多故障诊断问题，本文在深度迭代网 络提取特征的基础上，设计了基于监督学习的电网故障诊断模型（AFD_SL ）和基于强 化学习的电网故障诊断模型（AFD_RL ）。其中AFD_SL 采用逐一诊断的方式设计模型， 适用于有标签数据充足的电网故障诊断场景；AFD_RL 将故障诊断问题转化为序贯决策 过程，适用于缺乏有标签数据的电网故障诊断场景。综合使用上述两种模型，可在不同 场景下高效地解决电网故障诊断问题。 在实验室的高性能计算平台上，基于IEEE 标准电网结构生成的仿真数据进行实验 测试与分析，并与传统电网故障诊断方法进行对比。实验结果表明，本文设计的电网故 障诊断方法在较好地处理多故障诊断问题的同时，具有良好的模型可移植性和鲁棒性。 关键字：电网；故障诊断；深度迭代网络；深度学习；监督学习；强化学习 I ABSTRACT ABSTRACT The development of modern social productivity demands better reliability of grid power supply. How to accurately determine the grid fault component when the grid system fails is a major challenge for grid system fault diagnosis. However, the traditional power grid fault diagnosis method still has the following defects: (1) The power structure information is not fully utilized, resulting in poor portability of the diagnostic method; (2) The input characteristics depend on artificial experience and with low degree of abstraction, which leads to poor robustness of the diagnostic method; (3) The complex logic of the model and the multi- classification diagnosis model make it difficult to solve the multi-fault diagnosis problem of power grid. In view of the above problems, this paper studies the power grid fault diagnosi